O português é fornecido por meio de tradução automática para sua conveniência. O inglês precede o português em caso de inconsistências.

Implantação de MLflow

10/21/2024 Colaboradores

PDFs

Esta seção descreve as tarefas que você deve concluir para implantar o MLflow no cluster do Kubernetes.

É possível implantar o MLflow em outras plataformas que não o Kubernetes. A implantação do MLflow em plataformas diferentes do Kubernetes está fora do escopo desta solução.

Pré-requisitos

Antes de executar o exercício de implantação descrito nesta seção, assumimos que você já executou as seguintes tarefas:

Você já tem um cluster do Kubernetes em funcionamento.
Você já instalou e configurou o NetApp Trident no cluster do Kubernetes. Para obter mais detalhes sobre o Trident, consulte o "Documentação do Trident".

Instale o Helm

O MLflow é implantado usando o Helm, um gerenciador de pacotes popular para Kubernetes. Antes de implantar o MLflow, você deve instalar o Helm no nó de controle do Kubernetes. Para instalar o Helm, siga o "instruções de instalação" na documentação oficial do Helm.

Defina o Kubernetes StorageClass padrão

Antes de implantar o MLflow, você deve designar um StorageClass padrão no cluster do Kubernetes. Para designar um StorageClass padrão no cluster, siga as instruções descritas na "Implantação do Kubeflow"seção. Se você já tiver designado um StorageClass padrão no cluster, então você pode pular esta etapa.

Implantar o MLflow

Uma vez que os pré-requisitos tenham sido atendidos, você pode começar com a implantação do MLflow usando o gráfico de leme.

Configurar a implantação do MLflow Helm Chart.

Antes de implantar o MLflow usando o gráfico Helm, podemos configurar a implantação para usar a Classe de armazenamento NetApp Trident e alterar outros parâmetros para atender às nossas necessidades usando um arquivo config.yaml. Um exemplo de arquivo config.yaml pode ser encontrado em: https://github.com/bitnami/charts/blob/main/bitnami/mlflow/values.yaml

Você pode definir o storageClass do Trident no parâmetro global.defaultStorageClass no arquivo config.yaml (por exemplo, storageClass: "ONTAP-FlexVol").

Instalar a Tabela Helm

O gráfico Helm pode ser instalado com o arquivo config.yaml personalizado para MLflow usando o seguinte comando:

helm install oci://registry-1.docker.io/bitnamicharts/mlflow -f config.yaml --generate-name --namespace jupyterhub

O comando implanta MLflow no cluster Kubernetes na configuração personalizada por meio do arquivo config.yaml fornecido. MLflow é implantado no namespace dado e um nome de release aleatório é dado via kureau para o release.

Verifique a implantação

Após a implantação do gráfico Helm, você pode verificar se o serviço está acessível usando:

kubectl get service -n jupyterhub

Substitua jupyterhub pelo namespace que você usou durante a implantação.

Você deve ver os seguintes serviços:

NAME                              TYPE        CLUSTER-IP      EXTERNAL-IP   PORT(S)           AGE
mlflow-1719843029-minio           ClusterIP   10.233.22.4     <none>        80/TCP,9001/TCP   25d
mlflow-1719843029-postgresql      ClusterIP   10.233.5.141    <none>        5432/TCP          25d
mlflow-1719843029-postgresql-hl   ClusterIP   None            <none>        5432/TCP          25d
mlflow-1719843029-tracking        NodePort    10.233.2.158    <none>        30002:30002/TCP   25d

Editamos o arquivo config.yaml para usar o serviço NodePort para acessar o MLflow na porta 30002.

Acesse o MLflow

Quando todos os serviços relacionados ao MLflow estiverem ativos e em execução, você poderá acessá-los usando o endereço IP NodePort ou LoadBalancer fornecido (por exemplo http://10.61.181.109:30002, )